一种求解基数约束投资组合优化的混合粒子群算法

如何有效求解基数约束投资组合优化问题,已成为金融学界近年来一直研究的热点.文章介绍了一种融合极值优化理论的混合粒子群优化算法(简称eo-PSO),利用极值优化方法(EO)以增强混合算法对搜索空间的挖掘能力,引入混沌变异算子提高粒子群(PSO)的探索能力.通过和其他一些智能计算方法对Markowitz基数约束投资组合优化目标函数的测试,以及应用风险范围理论的比较分析,结果显示混合粒子群算法具有良好的计算性能,其优化解也更具有效性.     

非线性方程组多根联解的协同进退粒子群算法及其应用

文章构造了自适应惩罚尺度函数,并结合最小二乘法将方程组的求根转化为等价的多峰优化模型,然后在粒子群算法框架下提出了局部协同和进退寻优两种迭代进化策略。局部协同策略保证了所有粒子能通过局部抱团收敛到每个根,局部进退寻优策略提升了寻根的速度和精度。基于这两种进化策略设计的协同进退粒子群（CARPSO）算法有效融合了粒子群算法的全局搜索能力和进退法的局部快速寻优能力。实证分析表明,CARPSO算法能高效和精确地求解非线性方程组的所有根,并在广义Logistic分布的参数估计中,展现出了很高的有效性。     

金融时间序列混合智能预测模型及实证研究

文章针对金融时间序列变化复杂、难以用单一智能方法进行有效预测的问题,提出了一种新的基于经验模式分解、支持向量回归和粒子群优化的混合智能预测模型.经验模式分解能将非平稳时间序列按其内在的时间特征尺度自适应地分解为多个基本模式分量,根据这些分量各自趋势变化的剧烈程度选择不同的核函数进行支持向量回归预测,最后通过粒子群优化算法对各预测分量进行加权组合,得到原始序列的准确预测值.证券市场实证研究表明该模型可以准确预测金融时间序列.     

基于改进粒子群优化算法的物流配送中心选址技术

文章同时考虑客户和物流规划部门的利益,构建了物流配送中心地址优化的双层规划模型。提出了一种改进的粒子群优化算法,分别求解双层规划模型的上层模型和下层模型。仿真实例表明了本文方法的可行性和有效性。     

基于粒子群训练的神经网络股票预测模型

文章将粒子群优化算法用于神经网络预测模型的学习训练,并且将这种方法用于股票预测中.实验结果表明,基于粒子群训练的神经网络学习算法更易于实现,且准确率较高.     

基于PSO的证券投资组合优化问题研究

投资组合决策面临现实证券市场中大量数据,传统算法很难解决这一问题.粒子群算法(PSO)是新近出现的一种仿生算法,具有简单容易实现,而且随机搜索的优点,使得搜索不易陷于局部最优,文章将具有智能化且易于实现的粒子群算法应用到证券投资组合决策中,并通过上海证券交易所的实际数据进行计算机模拟,结果表明该算法在组合决策中是有效的,且易于实现.     

中国城乡居民多代际收入流动研究

根据多代际收入流动的理论研究框架,基于CHIP2013和CHIP1995的调查数据,分别使用两样本两阶段最小二乘估计(TS2SLS)和分位数回归方法,估计城乡子代对父代和祖父代的多代际收入弹性,结果发现:城镇父子代际收入弹性大于农村父子,城镇居民的代际收入流动性低于农村居民;在多代际收入流动的理论模型中控制父代收入变量,城乡祖父代对子代收入的回归系数都明显下降;城乡居民的父子代际收入弹性从低收入家庭到高收入家庭都呈现递减的特征;城镇和农村居民不同收入阶层多代际收入流动现象差异明显。     

改进粒子群优化算法及其在CVaR模型中的应用

文章基于CVaR模型进行投资组合优化,并利用粒子群算法对其进行求解.在具体应用过程中,为克服粒子群算法易陷入局部极值的缺陷,对算法进行了改进,并与标准粒子群算法(PSO)和遗传算法(GA)进行了比较,结果表明,改进后的算法应用于CVaR模型是行之有效的,且优于标准粒子群算法和遗传算法.     

物流服务供应链的故障树分析及优化

文章基于故障树分析法,通过求解最小割集,将可靠性指标分配到承担某项或某几项物流功能的具体企业,并进一步建立了汽车整丰物流系统的服务能力优化模型,最后通过实例说明该方法的可行性和有效性.     

基于PSO-SVR的粮食产量预测模型

在粮食产量预测中,存在历史样本量较小和非线性强的特点,从而致使预测精度较低.文章将支持向量机回归(SVR)与粒子群优化算法(PSO)相结合,提出了适用于小样本量学习的PSO-SVR粮食产量预测模型.实例结果表明,PSO-SVR模型预测误差率优于BP神经网络模型.     

基于滑动平均和粒子群优化的GM(1,1)日前电价预测方法

在对美国PIM电力市场日前电价的变动规律综合分析的基础上,提出了一种基于粒子群优化(PSO)和灰色GM(1,1)模型的日前电价预测方法.该方法首先采用滑动平均法对原始电价序列进行处理,然后对处理后的电价序列建立等维新息GM(1,1)模型,并利用PSO最小化加权平均绝对百分比误差(MAPE),进一步优化GM(1,1)模型的灰色背景值.对PJM电力市场2007年7月到9月的历史数据的算例研究表明,相对于传统GM(1,1)模型,该方法能够更加准确地反映电价的变化规律,具有较高的预测精度,可满足电力市场参与者制订竞价策略的需要.     

指定与不指定备选点的配送中心选址-库存模型研究

针对物流企业经常遇到的配送中心只能在指定的备选点中选择的限制,将固定建设成本风险共担选址-库存问题扩展为不指定与指定备选点的可变建设成本配送中心选址-库存模型,构建了二次非线性0-1整数规划模型.结合粒子群算法的特点,分别设计J×J矩阵与I×J矩阵为不指定备选点和指定备选点的可变建设成本配送中心选址-库存模型的初始粒子.在粒子群算法思路、流程指导下,用C++编程,通过C++builder运算.采用Hakimi文章中算例计算,并对运输成本系数β、库存成本系数θ进行敏感性分析.     

基于VaR约束的均值-绝对偏差投资组合优化模型及实证研究

文章在均值-绝对偏差投资组合优化模型中,加入风险价值约束,给出了基于VaR约束的投资组合优化模型,以增强对投资风险的控制能力,然后利用一个自适应的粒子群算法对这个模型进行求解,实证研究表明模型是合理且风险控制能力更强,能够更好地为投资者提供决策依据。     

汽车零部件物流资源组合优化配置模型

文章结合物流资源配置过程的复杂性特征,提出考虑服务质量与服务柔性的汽车零部件物流资源组合优化配置策略,该策略设计了以汽车零部件全供应链信息共享平台为依托的跨组织物流资源优化配置流程,并重点对资源优化配置过程中的关键问题进行了描述,建立以时间、空间、成本、质量和效率为目标的汽车零部件物流资源组合优化配置模型,并给出基于改进的进化多目标优化算法的求解过程,最后以某企业汽车零部件物流资源组合配置的实例验证了该流程、优化配置模型及求解方法的有效性与实用性.     

基于粒子群优化算法的应急资源调度研究

科学合理地开展应急资源调度,最大限度地发挥有限的应急资源的价值,是应急管理中的一项重要工作.文章构建了多种应急资源需求约束、应急时间约束、应急救援成本约束等多约束条件下的突发事件应急资源调度模型,并运用粒子群优化算法对模型进行求解,从而实现应急救援资源的高效利用与合理调度.     

中国股指波动率的智能预测模型与实证检验

文章提出将改进型粒子群算法与最小二乘支持向量机(LSSVM)相结合的中国股指波动率智能预测方法,利用径向基核函数LSSVM对股指波动率进行建模及预测,并将自适应惯性权重粒子群算法(AIWPSO)和动态加速系数粒子群算法(DACPSO)分别实现径向基核函数LSSVM的参数优化,建立了两种股指波动率的智能预测模型.以日内价格极差作为波动率的代理变量,通过对上证综指和深证成指的实证研究检验了两模型的有效性.检验结果表明,AIWPSO算法优化的径向基核函数LSSVM作为中国股指波动率智能预测模型,具有更高的波动率预测精度和更快的建模速度.     

煤炭销售中的物流管理

本文在对当前煤炭企业销售工作中物流管理工作现状进行分析的基础上,探讨了其中存在的典型问题。同时,基于供应链管理的基本理念,从供应链管理环节出发,提出了煤炭企业销售工作中物流管理的相关体系,以期实现物流管理工作的优化。     

基于CVa R约束的单位风险收益最大投资组合模型及实证

文章以条件风险价值CVaR为约束控制风险,建立了以组合收益率与方差之比的单位风险收益最大的投资组合模型,该模型给出了在决策者可以接受的CVaR风险水平下,单位方差收益最大的投资组合最优选择;针对这个模型给出了一个改进的粒子群优化算法,实证结果表明了在不同的CvaR风险水平下,投资组合的最优选择不同,符合实际情况,可以为决策者提供投资决策参考.     

含随机变量的资产投资组合优化模型

在收益系数和风险系数均为随机变量的情况下,为满足不同风险偏好者实际投资的需要,分别建立了资产投资组合优化问题的随机期望值模型和随机机会约束规划模型.为了有效求解优化模型,采用了将随机模拟、神经元网络及遗传算法相结合的混合智能算法.最后通过数值实例说明了算法的有效性.     

融合客户满意度的供应链动态优化

文章在综合考虑商品在供应链中不同环节的动态生产成本、运输成本、库存成本、销售价格等,同时将客户满意度作为决策变量融入到供应链的物流成本结构体系内,建立基于客户满意度的供应链动态优化模型,并进行优化计算与求解.同时,以实例仿真来检验:在一定的客户满意度下,以供应链整体利润最大化为供应链动态优化的优化目标,不仅可使供应链获取较高的利润值,而且客户满意度也能克服设定约束而达到更高值.